車(chē)輛在紅綠燈前等待，或者在交通擁擠時(shí)，讓發(fā)動(dòng)機(jī)空轉(zhuǎn)，會(huì)浪費(fèi)掉很多燃料。為此，美國(guó)ORNL研發(fā)出一個(gè)計(jì)算機(jī)視覺(jué)系統(tǒng)，以指減少車(chē)輛燃油消耗。

蓋世汽車(chē)訊 據(jù)美國(guó)能源部估計(jì)，因車(chē)輛在紅綠燈前等待，或者在交通擁擠時(shí)，讓發(fā)動(dòng)機(jī)空轉(zhuǎn)，美國(guó)每年大約會(huì)浪費(fèi)掉60億加侖的燃料。而在此類(lèi)車(chē)輛中，燃油效率最低的就是用于運(yùn)輸貨物的大型重型卡車(chē)，在不行駛時(shí)消耗的燃料比乘用車(chē)多得多。

（圖片來(lái)源：ORNL）

據(jù)外媒報(bào)道，現(xiàn)在，美國(guó)橡樹(shù)嶺國(guó)家實(shí)驗(yàn)室（ORNL）的研究人員設(shè)計(jì)出了一個(gè)計(jì)算機(jī)視覺(jué)系統(tǒng)，該系統(tǒng)采用之前已經(jīng)上市、田納西公司GRIDSMART（專(zhuān)注于提供交通管理服務(wù)）的交通燈攝像頭，能夠直觀地看到十字路口的車(chē)輛，估計(jì)其油耗，然后指導(dǎo)交通信號(hào)燈，讓效率較低的車(chē)輛繼續(xù)移動(dòng)，以減少其燃油消耗。

要證明該系統(tǒng)可與現(xiàn)有的技術(shù)共同發(fā)揮作用是一個(gè)復(fù)雜的難題，需要將許多不同的部分組合在一起，如高科技攝像頭、車(chē)輛數(shù)據(jù)集、人工神經(jīng)網(wǎng)絡(luò)以及計(jì)算機(jī)交通模擬。

為了讓此種基于攝像頭的控制系統(tǒng)能夠工作，首先需要在交通繁忙的十字路口安裝智能攝像頭以捕捉車(chē)輛的圖像，并配備數(shù)據(jù)傳輸設(shè)備。此種攝像頭早已存在，其中就包括GRIDSMART公司生產(chǎn)的一款。

目前，GRIDSMART的攝像頭系統(tǒng)已經(jīng)在全球1200個(gè)城市安裝，取代了傳統(tǒng)的地面傳感器，取而代之的是安裝在頭頂?shù)聂~(yú)眼攝像頭，能夠提供三鏡頭視覺(jué)跟蹤，讓交通信號(hào)燈的執(zhí)行實(shí)現(xiàn)最優(yōu)。該款鐘形攝像頭與運(yùn)行GRIDSMART客戶(hù)端軟件的處理器單元連接在一起，后者為市政交通工程師提供了非常詳細(xì)的信息，如交通指標(biāo)、交通事故的無(wú)障礙視圖等。

此類(lèi)數(shù)據(jù)可用于調(diào)整交叉口的交通燈定時(shí)，從而改善交通流量。此外，在規(guī)劃建設(shè)或變道時(shí)，可以將車(chē)輛數(shù)量考慮在內(nèi)，并幫助衡量交通管制變化帶來(lái)的影響。

2018年2月，該團(tuán)隊(duì)的第一步是使用GRIDSMART攝像頭創(chuàng)建車(chē)輛類(lèi)別圖像數(shù)據(jù)集。由于GRIDSMART攝像頭安裝方便，已經(jīng)安裝在ORNL園區(qū)，該團(tuán)隊(duì)還采用了ORNL正在研發(fā)的地面式路邊傳感器系統(tǒng)，從而能夠?qū)㈩^頂?shù)膱D像與高精度的地面視圖相結(jié)合。

一旦利用商用軟件應(yīng)用了車(chē)輛分類(lèi)標(biāo)簽，加上DOE的燃油經(jīng)濟(jì)性評(píng)估，該團(tuán)隊(duì)就會(huì)得到一個(gè)獨(dú)特的數(shù)據(jù)集，以訓(xùn)練用于識(shí)別車(chē)輛的卷積神經(jīng)網(wǎng)絡(luò)。

由此得到的ORNL日常車(chē)輛數(shù)據(jù)集（Overhead Vehicle Dataset）表示，GRIDSMART攝像頭確實(shí)能夠成功捕捉到有用的車(chē)輛數(shù)據(jù)，截至2018年9月，收集了大約12600輛車(chē)的圖像，其“地面實(shí)況”標(biāo)簽（品牌、型號(hào)和MPG估計(jì)）跨越了474種分類(lèi)。不過(guò)，ORNL成像、信號(hào)和機(jī)器學(xué)習(xí)小組的研發(fā)人員Thomas Karnowski認(rèn)為，此類(lèi)分類(lèi)不夠多，不足以有效地訓(xùn)練一個(gè)深度學(xué)習(xí)網(wǎng)絡(luò)，而且該團(tuán)隊(duì)在該項(xiàng)為期一年的項(xiàng)目中，并沒(méi)有足夠的時(shí)間收集更多的信息。所以，到哪里去找到一個(gè)更大、更精細(xì)的車(chē)輛數(shù)據(jù)集呢？

Karnowski想到了斯坦福大學(xué)研究員Timnit Gebru進(jìn)行的一個(gè)車(chē)輛圖像項(xiàng)目，該項(xiàng)目從谷歌街景圖（Google Street View）圖像中識(shí)別出了2200萬(wàn)輛汽車(chē)，并分成了2600多個(gè)類(lèi)別（如品牌和型號(hào)），然后再將其與人口統(tǒng)計(jì)數(shù)據(jù)進(jìn)行關(guān)聯(lián)。在Gebru的許可下，Karnowski下載了該數(shù)據(jù)集，隨后，該團(tuán)隊(duì)準(zhǔn)備進(jìn)行該項(xiàng)目的第二步，創(chuàng)建一個(gè)神經(jīng)網(wǎng)絡(luò)。

該團(tuán)隊(duì)利用深度學(xué)習(xí)多節(jié)點(diǎn)進(jìn)化神經(jīng)網(wǎng)絡(luò)（MENNDL）打造了另一個(gè)神經(jīng)網(wǎng)絡(luò)，用于比較。MENNDL是由ORNL計(jì)算機(jī)數(shù)據(jù)分析小組研發(fā)的高性能計(jì)算軟件堆棧。MENNDL使用了一種進(jìn)化算法，該算法不僅可以創(chuàng)建深度學(xué)習(xí)網(wǎng)絡(luò)，還可以動(dòng)態(tài)地改進(jìn)網(wǎng)絡(luò)設(shè)計(jì)。通過(guò)自動(dòng)結(jié)合和測(cè)試數(shù)百萬(wàn)個(gè)“父”網(wǎng)絡(luò)，以生成性能更高的“子”網(wǎng)絡(luò)，MENNDL培育出了優(yōu)化神經(jīng)網(wǎng)絡(luò)。

Karnowski的團(tuán)隊(duì)利用Gebru的訓(xùn)練數(shù)據(jù)集，在橡樹(shù)嶺領(lǐng)導(dǎo)計(jì)算設(shè)施（位于ORNL的國(guó)家能源部科學(xué)用戶(hù)辦公室設(shè)施）內(nèi)，在現(xiàn)已退役的Cray XK7泰坦計(jì)算機(jī)（曾以27千萬(wàn)億此浮點(diǎn)運(yùn)算被評(píng)為世界上最強(qiáng)大的超級(jí)計(jì)算機(jī)）上運(yùn)行了MENNDL。Karnowski表示，雖然MENNDL產(chǎn)生了一些新的架構(gòu)，但是其網(wǎng)絡(luò)分類(lèi)結(jié)果的準(zhǔn)確性沒(méi)有超越該團(tuán)隊(duì)的AlexNet派生網(wǎng)絡(luò)。有了額外的訓(xùn)練時(shí)間和訓(xùn)練圖像數(shù)據(jù)，Karnowski相信，MENNDL能夠創(chuàng)造一個(gè)更理想的網(wǎng)絡(luò)。

由于無(wú)法在城市十字路口網(wǎng)絡(luò)內(nèi)配備GRIDSMART交通信號(hào)燈，Karnowski的團(tuán)隊(duì)轉(zhuǎn)而使用計(jì)算機(jī)模擬來(lái)測(cè)試該系統(tǒng)。城市移動(dòng)出行模擬（SUMO）是一個(gè)開(kāi)源模擬套件，能夠讓研究人員對(duì)交通系統(tǒng)進(jìn)行建模，其中包括車(chē)輛、公共交通，甚至行人。SUMO還可實(shí)現(xiàn)定制建模，所以Karnowski的團(tuán)隊(duì)能夠?qū)⑵鋺?yīng)用到項(xiàng)目中。在SUMO模擬環(huán)境中，該團(tuán)隊(duì)增加了一個(gè)“視覺(jué)傳感器模型”，從而可以利用強(qiáng)化學(xué)習(xí)來(lái)引導(dǎo)交通信號(hào)燈控制器網(wǎng)絡(luò)，減少大型車(chē)輛的等待時(shí)間。

研究人員在各種交通場(chǎng)景下測(cè)試了該方法，以評(píng)估視覺(jué)傳感的燃油節(jié)省能力。在某些含有大型卡車(chē)的使用場(chǎng)景下，該方法可以節(jié)省高達(dá)25%的燃料消耗，而且對(duì)等待時(shí)間的影響最小。在其他場(chǎng)景中，模擬系統(tǒng)對(duì)使用重型卡車(chē)的場(chǎng)景進(jìn)行訓(xùn)練，不過(guò)在更加平衡的測(cè)試交通條件下評(píng)估了視覺(jué)傳感的燃油節(jié)省能力。研究團(tuán)隊(duì)并沒(méi)有對(duì)節(jié)省的費(fèi)用進(jìn)行量化，不過(guò)經(jīng)過(guò)訓(xùn)練的強(qiáng)化學(xué)習(xí)控制能夠很容易適應(yīng)新環(huán)境。

上述所有測(cè)試僅限于建立概念驗(yàn)證，還需要更多工作以準(zhǔn)確評(píng)估此種方法的影響。Karnowski希望繼續(xù)采用更大的數(shù)據(jù)集、經(jīng)過(guò)改進(jìn)的分類(lèi)器以及更廣泛的模型，來(lái)研發(fā)該系統(tǒng)。GRIDSMART公司則認(rèn)為該項(xiàng)目提供了一種為客戶(hù)提供新服務(wù)的前景。